作者丨张磊

新校长传媒系编辑

可汗学院AI导师Khanmigo“去世”：

学生并不怎么使用

一则可汗学院AI导师Khanmigo“去世”的新闻，近期引发了教育圈震动。

Khanmigo曾是可汗学院最具代表性的AI产品。2022年，ChatGPT正式发布几个月前，OpenAI邀请可汗学院，希望他们来测试下一代模型GPT-4的教育潜力。可汗学院抓住机会，基于GPT-4定制开发了Khanmigo。

设计思路是：不直接给答案，模仿苏格拉底式追问，引导学生一步步找到解题路径。比如，你问它一道数学题，它反问：“你觉得第一步应该是什么？”按照设计，它可以一直追问、一直提示、一直陪学生往下走。

2023年2月，Khanmigo开始试点。随后，学院创始人萨尔·可汗在TED演讲中宣布，Khanmigo可能代表着“教育史上最伟大的积极变革”。如果能为每个学生配备，它将成为真正解决学生个性化学习难题的终极钥匙。

一边是全球最强的AI大模型，一边是互联网时代教育创新的代表，Khanmigo一经发布就备受关注，媒体报道、慈善和政府补贴接踵而至。2024年，微软甚至赞助了49个国家/地区教师的Khanmigo许可证。

整件事的转折，发生在2026年4月9日。

可汗本人在接受媒体专访时，亲口承认：“许多学生不怎么使用Khanmigo。”

他打了个比方：就像老师走进一间教室，坐在教室后排，等学生主动来找他求助；会有少数学生过来，但大多数不会。他说，这是Khanmigo这类AI导师面临的现状。

美国印第安纳州的霍巴特高中是Khanmigo的早期试点校。学校一位几何老师智研，学生觉得Khanmigo有时会出错，又坚决不给答案，没法很好地推进学习。“如果学生对材料不够投入，甚至不知道自己到底在找什么，那么Khanmigo这样的AI就帮不上忙。”这位老师后来就停止了在课堂上的使用。

根据可汗学院年报披露：2024-2025学年，Khanmigo的注册人数同比增长了731%，全年使用者达到200万，其中近一半是来自70多个国家的教师。

最新的数据尚未公布，但相关材料显示，进入2026年，Khanmigo活跃用户下降了至少一半。

Khanmigo的几轮产品变化也侧面说明问题：它一开始是页面右下角一个不干扰使用的圆形头像；后来变成每次页面加载后自动展开的悬浮窗；到2026年，它被改成默认处于激活状态的聊天机器人，无论学生是否发起邀请，一直在线。

可汗还曾预测，到2024年底，类似Khanmigo这样的AI工具将减少教师90%的行政任务。这个期限，后来被他推迟到十年后（2034年）。

无论是AI辅导学生自主学习，还是帮老师减轻负担，期待的教育革命并没有发生。

所以，AI导师Khanmigo“去世”不是说彻底下线了，它作为一款应用，仍能在可汗学院练习题的侧边栏里找到。“去世”的是Khanmigo代表的一种教育技术想象——一个软件可以像人类教师一样辅导学生，并自动带来学习革命。

萨尔·可汗预言的AI革命

为什么还没发生？

Khanmigo的设计逻辑参考了“苏格拉底式追问”。这当然是优秀的教学法，但它有一个隐含的前提：对面那个学生愿意坐在那里，愿意被追问，愿意承认自己不懂，并且有足够的耐心走完一整条思维启发链路。

古希腊时期，苏格拉底在雅典广场能做这件事，因为站在他面前的是主动找来辩论的成年公民。Khanmigo面对的，可能是一个写完作业只想赶紧去娱乐的孩子。这两个群体在学习动机上的差距，不是技术能弥合的。

面对预期与实际情况的落差，可汗学院先后做出过三种回应：指出是教师的问题，教师需要“想出各种方法，让学生更多地参与互动”；指出是学生的问题，学生“不擅长提出好问题”；最后从产品层面强制介入，把Khanmigo改成默认常驻。

产品设计者把“学生为什么不用”，指向了“怎样让学生不得不用”；把动机问题，当成了参与度问题来解决。

可汗学院工作人员从后台观测到，学生在对话过程中，会大量输入“不知道，我不懂”。他们认为是学生“提问能力不足”，而忽视了一个关键问题：当孩子面对AI反复说“不知道”的时候，他也许正处于强烈的困惑当中——不知道自己为什么要跟AI对话，不知道这跟自己有什么关系，不明白学这个对自己的意义是什么。

换句话说，AI解答不了：这个孩子，凭什么愿意坐在那里学习？

学习从来不只是信息传递。它是一个人重建自己对世界理解的过程，需要动机的激活，需要挫折中的坚持，需要相信“这件事是有意义有价值的”。

让一个孩子相信学习有意义，这件事从来不是来自技术的精准推送，而是来自人，来自一位教师的期待，来自被某个问题击中的瞬间，来自在课堂上被看见和被认可的体验。

有教育科技批评者总结：从上世纪20年代的教学机器，到60年代的智能辅导系统，到MOOC席卷全球，每一轮技术浪潮都在内容供给上花大力气，也都许诺会带来教育革命。可每一轮技术，都被同一堵墙拦了下来。那堵墙叫“动机”。

教育技术叙事换了一代又一代，墙从未移动过。Khanmigo这类AI导师的失败，同样如此：把学习的动机问题，当成了供给问题来解决。

AI在内容“供给”端的能力已经远超绝大多数工具，但它仍够不着“动机”那一端。因为，动机无法从信息中产生，只能从关系中生长出来。

重要转折：

从“强调AI导师”转向“投资人类”

因此，曾高调预言AI教育变革即将到来的可汗，才会在最近的采访中说出一句意味深长的话：“人工智能将会带来帮助。但我认为，我们最大的杠杆，实际上在于投资人类系统。”

这句话是可汗学院发现，近20年的方向必须重新调整——人类系统不是技术的补充项，而处于教育的承重位置。技术可以优化这个结构的效率，但无法替代这个结构本身。

这个转向至少有两层含义。

第一层，是理念上转向。AI只是解决方案的一部分，不是万能答案。这意味着，AI应该从教育的中心退回到辅助位置。它没法自动促成学生的学习动机，也不能替代教师与学生之间的教育关系。

第二层，是行动上转向。从“等学生来问AI”，转向“把AI放进有人设计、有人组织、有人介入的学习流程”。

对学校而言，这个转向比“要不要引入AI”更关键。AI正在以极快的速度进入备课、作业、测评和课堂管理。很多学校都经历了类似困境：产品采购了，系统部署了，培训开展了，推进会也开了。

然后呢？老师用得勉强，学生用得被动，使用数据不太好看，甚至没啥有用数据。不少AI项目的推动就被卡在这里：推得动技术部署，却无法保证学习发生。

AI要真正实现辅助学生个性化自主学习，学校至少需要主动判断三个问题。

这个工具，到底在帮谁学？

先要看清楚工具真正帮到谁。如果它主要帮助已经愿意学、会提问、能坚持的学生，那它可能是高自驱学生的加速器。但学校不能因此误以为它解决了普遍的学习困难。评估AI工具时，视线要从使用者效果转向全体学生中有多少人真正持续使用。

学生说“不知道”时，谁来接？

学校真正要接住的，是工具介入之后暴露出来的问题。如果一个学生面对AI只输入“不知道、我不懂”，学校应该留意：这个学生在课堂上是否也这样？教师是否知道他卡在哪里？班级里有没有允许学生暴露困难的氛围？有没有人持续追踪他的薄弱点？如果这些人类系统不存在，AI只是在无人接手的地方继续追问，学生的沉默会换一个界面继续。

AI应该站在学生旁边，还是站在教师系统里？

最后要判断AI放在哪里。早期的AI导师设计方向是“绕开教师，直接触达学生”。事实证明，这条路远没有想象中顺畅。

更有效的方向，是先让AI成为教师的好助手：帮助教师诊断作业数据，发现学生共同错误，生成不同层次练习，节省低价值事务时间。AI的首要价值，应放在让教师更快看见学生、更准确介入学生，而非替代教师与学生的关系。

因此，教育+AI的关键，不在学校有没有先进工具，而在学校原本有没有稳定的组织能力。教师能不能持续介入，使用过程有没有人监督，学生卡在哪里有没有人诊断，这些基础在，AI才可能放大效果；这些基础薄弱，AI放大的往往是差距。

这个系统还包括：教师对学生的真实了解，课堂中可以被信任的提问关系，具体到人的跟进机制，以及一种让学生相信“这件事值得我做下去”的文化。

没有这些，AI可能只是把答案送得更近，却无法把学生带进真正的学习，教育革命更不会自动到来。

AI越强，人类系统越重要。

“AI导师”不是未来，

人类教师无法替代

和AI相比，教师最不可替代的部分，不在讲解、批改和陪练，而在于把一个还没有准备好学习的人，带进学习。

第一，教师能在学生没有提问时发现问题。

AI通常以输入为起点：学生先开口，说“我不会”“我不懂”“我卡住了”，系统才开始工作。但课堂里最重要的信号，往往发生在学生开口之前：眼神躲闪，作业空白，突然沉默，故意插科打诨，连续几次低质量完成。

这些非语言的、情境性的符号，不是标准化文本，AI是捕捉不了的。教师之所以能识别，是因为他们见过这个学生平时的状态，也知道这个班级正在发生什么。很多东西，靠长期在场和真实关系才能看出来。

第二，AI不能替代真实互动积累出的信任。

学习有一个很隐蔽的心理门槛：承认无知。对很多孩子来说，说“我不会”首先不是一个认知动作，它是一次自我暴露。愿不愿、敢不敢暴露，取决于学生对“说出来之后会发生什么”的预期。

说错以后有没有被嘲笑，求助以后有没有被敷衍，暴露困难以后会不会被贴标签，这些具体经历会变成学生是否愿意开口的判断。有了教师和学生间长期建立的信任，才能给这种“暴露”提供安全感。

AI界面可以更友好，语气可以更温和，但它不可能替代长期的、真实的互动积累出的信任。

第三，教师愿意为学生的成长持续负责。

AI也能提供鼓励，但学生很清楚，AI鼓励背后只是概率计算，毫无实际价值和记忆。学习科学中早有研究提示：当学生相信教师的鼓励或批评来自更高期待和信任时，他们更愿意重新投入困难任务。

鼓励或批评的力量不只在信息含量，来自背后的关系：说这话的老师真正在意他，了解他，也会在之后的日子里持续看见他的变化。

而AI反馈正缺少了这一前提：背后有一个真实的人承担对学生的持续责任。这种实实在在的责任，永远无法被AI模拟。

第四，教师能把个体学习放进共同体，产生学习意义。

学生为什么要学，很多时候不是靠一句道理说服，更多是在班级规范、同伴关系、教师期待、学校文化中慢慢形成的。一个孩子看到同伴认真讨论，看到老师对某个问题有热情，看到自己的进步被具体看见，他才可能重新理解“这件事值得做”。

这个场域需要共同在场，需要时间，需要陪伴。AI可以陪练，但不能形成这样的共同体。

学习需要动机，动机依赖意义感，意义感又常常在教育关系中被激活。只要AI仍是工具，而不是真实关系中的责任主体，它就无法真正抵达这件事。不是时间上进入不了，而是结构上AI就进入不了。